计算机
类型
可以朗读
语音朗读
328千字
字数
2020-04-01
发行日期
展开全部
主编推荐语
本书分三篇涵盖Python基础、大数据技术分析及吸引人案例。
内容简介
本书分为三篇10章，第一是基础知识篇，主要讲述python的开发环境，基本语法，数据结构，读写数据库和读写文件等的关键基础知识。第二是大数据技术分析篇，主要讲述数据统计，数据分析和图表绘制的一些python包的用法，第三是案例篇，给出若干个能吸引人的案例。
目录
- 封面页
- 书名页
- 版权页
- 内容简介
- 前言
- 目录
- 第1章 掌握实用的Python语法
- 1.1 安装Python开发环境
- 1.1.1 在MyEclipse里安装开发插件和Python解释器
- 1.1.2 新建Python项目，开发第一个Python程序
- 1.2 快速入门Python语法
- 1.2.1 Python的缩进与注释
- 1.2.2 定义基本数据类型
- 1.2.3 字符串的常见用法
- 1.2.4 定义函数与调用函数
- 1.3 控制条件分支与循环调用
- 1.3.1 通过if…else控制程序的分支流程
- 1.3.2 while循环与continue，break关键字
- 1.3.3 通过for循环来遍历对象
- 1.4 通过范例程序加深对Python语法的认识
- 1.4.1 实现冒泡排序算法
- 1.4.2 计算指定范围内的质数
- 1.4.3 通过Debug调试代码中的问题
- 1.5 本章小结
- 第2章 Python中的数据结构：集合对象
- 2.1 列表和元组能存储线性表型数据
- 2.1.1 列表的常见用法
- 2.1.2 链表、列表还是数组？这仅仅是叫法的不同
- 2.1.3 对列表中元素进行操作的方法
- 2.1.4 不能修改元组内的元素
- 2.2 集合可以去除重复元素
- 2.2.1 通过集合去掉重复的元素
- 2.2.2 常见的集合操作方法
- 2.2.3 通过覆盖sort定义排序逻辑
- 2.3 通过字典存放“键-值对”类型的数据
- 2.3.1 针对字典的常见操作
- 2.3.2 在字典中以复杂的格式存储多个数据
- 2.4 针对数据结构对象的常用操作
- 2.4.1 映射函数map
- 2.4.2 筛选函数filter
- 2.4.3 累计处理函数reduce
- 2.4.4 通过Lambda表达式定义匿名函数
- 2.5 本章小结
- 第3章 Python面向对象程序设计思想的实践
- 3.1 把属性和方法封装成类，方便重复使用
- 3.1.1 在Python中定义和使用类
- 3.1.2 通过__init__了解常用的魔术方法
- 3.1.3 对外屏蔽类中的不可见方法
- 3.1.4 私有属性的错误用法
- 3.1.5 静态方法和类方法
- 3.2 通过继承扩展新的功能
- 3.2.1 继承的常见用法
- 3.2.2 受保护的属性和方法
- 3.2.3 慎用多重继承
- 3.2.4 通过“组合”来避免多重继承
- 3.3 多态是对功能的抽象
- 3.3.1 Python中的多态特性
- 3.3.2 多态与继承结合
- 3.4 通过import复用已有的功能
- 3.4.1 通过import导入现有的模块
- 3.4.2 包是模块的升级
- 3.4.3 导入并使用第三方库NumPy的步骤
- 3.5 通过迭代器加深理解多态性
- 3.6 本章小结
- 第4章 异常处理与文件读写
- 4.1 异常不是语法错误
- 4.1.1 通过try…except从句处理异常
- 4.1.2 通过不同的异常处理类处理不同的异常
- 4.1.3 在except中处理多个异常
- 4.1.4 通过raise语句直接抛出异常
- 4.1.5 引入finally从句
- 4.2 项目中异常处理的经验谈
- 4.2.1 用专业的异常处理类来处理专门的异常
- 4.2.2 尽量缩小异常监控的范围
- 4.2.3 尽量缩小异常的影响范围
- 4.2.4 在合适的场景下使用警告
- 4.3 通过IO读写文件
- 4.3.1 以各种模式打开文件
- 4.3.2 引入异常处理流程
- 4.3.3 写文件
- 4.4 读写文件的范例
- 4.4.1 复制与移动文件
- 4.4.2 读写csv文件
- 4.4.3 读写zip压缩文件
- 4.5 本章小结
- 第5章 股市的常用知识与数据准备
- 5.1 股票的基本常识
- 5.1.1 交易时间与T+1交易规则
- 5.1.2 证券交易市场
- 5.1.3 从竞价制度分析股票为什么会涨跌
- 5.1.4 指数与板块
- 5.1.5 本书会用到的股市术语
- 5.2 编写股票范例程序会用到的库
- 5.3 通过爬取股市数据的范例程序来学习urllib库的用法
- 5.3.1 调用urlopen方法爬取数据
- 5.3.2 调用带参数的urlopen方法爬取数据
- 5.3.3 GET和POST的差别和使用场景
- 5.3.4 调用urlretrieve方法把爬取结果存入csv文件
- 5.4 通过基于股票数据的范例程序学习正则表达式
- 5.4.1 用正则表达式匹配字符串
- 5.4.2 用正则表达式截取字符串
- 5.4.3 综合使用爬虫和正则表达式
- 5.5 通过第三方库收集股市数据
- 5.5.1 通过pandas_datareader库获取股市数据
- 5.5.2 使用Tushare库来获取上市公司的信息
- 5.5.3 通过Tushare库获取某时间段内的股票数据
- 5.6 本章小结
- 第6章 通过Matplotlib库绘制K线图
- 6.1 Matplotlib库的基础用法
- 6.1.1 绘制柱状图和折线图
- 6.1.2 设置坐标轴刻度和标签信息
- 6.1.3 增加图例和图表标题
- 6.2 Matplotlib图形库的常用技巧
- 6.2.1 绘制含中文字符的饼图
- 6.2.2 柱状图和直方图的区别
- 6.2.3 Figure对象与绘制子图
- 6.2.4 调用subplot方法绘制子图
- 6.2.5 通过Axes设置数字型的坐标轴刻度和标签
- 6.2.6 通过Axes设置日期型的坐标轴刻度和标签
- 6.3 绘制股市K线图
- 6.3.1 K线图的组成要素
- 6.3.2 通过直方图和直线绘制K线图
- 6.3.3 通过mpl_finance库绘制K线图
- 6.4 K线对未来行情的预判
- 6.4.1 不带上下影线的长阳线
- 6.4.2 不带上下影线的长阴线
- 6.4.3 预测上涨的早晨之星
- 6.4.4 预测下跌的黄昏之星
- 6.4.5 预测上涨的两阳夹一阴形态
- 6.4.6 预测下跌的两阴夹一阳形态
- 6.5 本章小结
- 第7章 绘制均线与成交量
- 7.1 NumPy库的常见用法
- 7.1.1 range与arange方法比较
- 7.1.2 ndarray的常见用法
- 7.1.3 数值型索引和布尔型索引
- 7.1.4 通过切片获取数组中指定的元素
- 7.1.5 切片与共享内存
- 7.1.6 常用的科学计算函数
- 7.2 Pandas与分析处理数据
- 7.2.1 包含索引的Series数据结构
- 7.2.2 通过切片等方式访问Series中指定的元素
- 7.2.3 创建DataFrame的常见方式
- 7.2.4 存取DataFrame对象中的各类数据
- 7.2.5 通过DataFrame读取csv文件
- 7.2.6 通过DataFrame读取Excel文件
- 7.3 K线整合均线
- 7.3.1 均线的概念
- 7.3.2 举例说明均线的计算方法
- 7.3.3 移动窗口函数rolling
- 7.3.4 用rolling方法绘制均线
- 7.3.5 改进版的均线图
- 7.4 整合成交量图
- 7.4.1 本书用的成交量是指成交股数
- 7.4.2 引入成交量图
- 7.5 通过DataFrame验证均线的操作策略
- 7.5.1 葛兰碧均线八大买卖法则
- 7.5.2 验证基于均线的买点
- 7.5.3 验证基于均线的卖点
- 7.6 量价理论
- 7.6.1 成交量与股价的关系
- 7.6.2 验证“量增价平”的买点
- 7.6.3 验证“量减价平”的卖点
- 7.7 本章小结
- 第8章 数据库操作与绘制MACD线
- 8.1 Python连接MySQL数据库的准备工作
- 8.1.1 在本地搭建MySQL环境
- 8.1.2 安装用来连接MySQL的PyMySQL库
- 8.1.3 在MySQL中创建数据库与数据表
- 8.1.4 通过select语句执行查询
- 8.1.5 执行增、删、改操作
- 8.1.6 事务提交与回滚
- 8.2 整合爬虫模块和数据库模块
- 8.2.1 根据股票代码动态创建数据表
- 8.2.2 把爬取到的数据存入数据表
- 8.3 绘制MACD指标线
- 8.3.1 MACD指标的计算方式
- 8.3.2 遍历数据表数据，绘制MACD指标
- 8.3.3 关于数据误差的说明
- 8.3.4 MACD与K线均线的整合效果图
- 8.4 验证基于MACD指标的买卖点
- 8.4.1 MACD指标的指导意义与盲点
- 8.4.2 验证基于柱状图和金叉的买点
- 8.4.3 验证基于柱状图和死叉的卖点
- 8.5 本章小结
- 第9章 以KDJ范例程序学习GUI编程
- 9.1 Tkinter的常用控件
- 9.1.1 实现带标签、文本框和按钮的GUI界面
- 9.1.2 实现下拉框控件
- 9.1.3 单选框和多行文本框
- 9.1.4 复选框与在Text内显示多行文字
- 9.2 Tkinter与Matplotlib的整合
- 9.2.1 整合的基础：Canvas控件
- 9.2.2 在Canvas上绘制Matplotlib图形
- 9.2.3 在GUI窗口内绘制K线图
- 9.3 股票范例程序：绘制KDJ指标
- 9.3.1 KDJ指标的计算过程
- 9.3.2 绘制静态的KDJ指标线
- 9.3.3 根据界面的输入绘制动态的KDJ线
- 9.4 验证基于KDJ指标的交易策略
- 9.4.1 KDJ指标对交易的指导作用
- 9.4.2 基于Tkinter验证KDJ指标的买点
- 9.4.3 基于Tkinter验证KDJ指标的卖点
- 9.5 本章小结
- 第10章 基于RSI范例程序实现邮件功能
- 10.1 实现发邮件的功能
- 10.1.1 发送简单格式的邮件（无收件人信息）
- 10.1.2 发送HTML格式的邮件（显示收件人）
- 10.1.3 包含本文附件的邮件（多个收件人）
- 10.1.4 在正文中嵌入图片
- 10.2 以邮件的形式发送RSI指标图
- 10.2.1 RSI指标的原理和算法描述
- 10.2.2 通过范例程序观察RSI的算法
- 10.2.3 把Matplotlib绘制的RSI图存为图片
- 10.2.4 RSI整合K线图后以邮件形式发送
- 10.3 以邮件的形式发送基于RSI指标的买卖点
- 10.3.1 RSI指标对买卖点的指导意义
- 10.3.2 基于RSI指标计算买点并以邮件的形式发出
- 10.3.3 基于RSI指标计算卖点并以邮件的形式发出
- 10.4 本章小结
- 第11章 用BIAS范例讲述Django框架
- 11.1 基于WSGI规范的Web编程
- 11.1.1 基于WSGI规范的Python Web代码
- 11.1.2 再加入处理GET请求的功能
- 11.2 通过Django框架开发Web项目
- 11.2.1 安装Django组件
- 11.2.2 创建并运行Django
- 11.2.3 从Form表单入手扩展Django框架
- 11.2.4 运行范例程序了解基于MVC的调用模式
- 11.2.5 Django框架与Matplotlib的整合
- 11.3 绘制乖离率BIAS指标
- 11.3.1 BIAS指标的核心思想和算法
- 11.3.2 绘制K线与BIAS指标图的整合效果
- 11.3.3 基于BIAS指标的买卖策略
- 11.3.4 在Django框架中绘制BIAS指标图
- 11.3.5 在Django框架中验证买点策略
- 11.3.6 在Django框架中验证卖点策略
- 11.4 本章小结
- 第12章 以OBV范例深入讲述Django框架
- 12.1 在Django框架内引入日志
- 12.1.1 不同级别日志的使用场合
- 12.1.2 向控制台和文件输出不同级别的日志
- 12.2 在Django框架内引入数据库
- 12.2.1 整合并连接MySQL数据库
- 12.2.2 以Model的方式进行增删改查操作
- 12.2.3 使用查询条件获取数据
- 12.2.4 以SQL语句的方式读写数据库
- 12.3 绘制OBV指标图
- 12.3.1 OBV指标的原理以及算法
- 12.3.2 绘制K线、均线和OBV指标图的整合效果图
- 12.4 在Django框架内整合日志与数据库
- 12.4.1 搭建Django环境
- 12.4.2 把数据插入到数据表中（含日志打印）
- 12.4.3 验证基于OBV指标的买卖策略
- 12.5 本章小结
- 第13章 以股票预测范例入门机器学习
- 13.1 用线性回归算法预测股票
- 13.1.1 安装开发环境库
- 13.1.2 从波士顿房价范例初识线性回归
- 13.1.3 实现基于多个特征值的线性回归
- 13.1.4 fit函数训练参数的标准和方法
- 13.1.5 训练集、验证集和测试集
- 13.1.6 预测股票价格
- 13.2 通过SVM预测股票涨跌
- 13.2.1 通过简单的范例程序了解SVM的分类作用
- 13.2.2 数据标准化处理
- 13.2.3 预测股票涨跌
- 13.2.4 定量观察预测结果
- 13.3 本章小结
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
